ارزیابی تغییرات ذخیره آب زیرزمینی با استفاده از داده های ماهواره GRACE در آبخوان دشت روانسر در استان کرمانشاه
Publish place: Journal of Hydrogeomorphology، Vol: 8، Issue: 29
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 167
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HYD-8-29_002
تاریخ نمایه سازی: 19 دی 1401
Abstract:
بررسی تغییرات آب زیرزمینی در نواحی خشک و نیمه خشک از اهمیت ویژهای برخوردار است.افت سطح آب در آبخوان های استان کرمانشاه به قدری شدید بوده به طوری که در دهه های اخیر به حدود۱۰ متر در برخی نقاط رسیده است. هدف از پژوهش حاضر ارزیابی داده های ماهواره GRACE جهت برآورد ذخیره ی آب زیرزمینی آبخوان روانسر در استان کرمانشاه می باشد. لذا در این پژوهش ضمن بررسی سطح ایستابی چاه های مشاهداتی آبخوان روانسر و نیز پهنه بندی مکانی این تغییرات با استفاده از روش کریجینگ در نرم افزار GIS وضع موجود منطقه مورد ارزیابی قرار گرفت. سپس به منظور ارزیابی داده های ماهواره GRACE کدنویسی الگوریتم های JPL,GFS,CSR,CRI در محیط محاسبات ابری گوگل ارث اینجین صورت گرفت و پس از آن تغییرات ماهانه و سالانه ی آب معادل مایع (LWE) محاسبه گردید. همچنین مقدار رطوبت خاک(SM) از مدل هیدرولوژیکی GLDAS برآورد گردید و با کسر مقدار رطوبت خاک از مقادیر برآوردی ماهواره GRACE میزان تغییرات ذخیره ی آب زیرزمینی در مقایسه با مقادیر مشاهداتی آن به دست آمد. این پژوهش نشان داده است که نه تنها می توان از داده های ماهواره GRACE در برآورد میزان تغییرات ذخیره ی آب زیرزمینی در آبخوان ها استفاده نمود بلکه داده های مذکور از دقت قابل قبولی نیز برخوردار می باشند. مقایسه ی نتایج الگوریتم های مختلف نشان داد که الگوریتم JPL با ضریب همبستگی ۷۳/۰، بیشترین همبستگی را با داده های مشاهداتی داراست. ضمنا مقادیر تغییرات ذخیره ی آب زیرزمینی برآوردی از ماهواره GRACE در مقایسه با مقادیر مشاهداتی نشان دهنده ی کاهش ذخیره ی آب زیرزمینی معادل ۸/۱- سانتیمتر بر اساس الگوریتم JPL بوده است.
Keywords:
Authors
علیرضا دنیایی
دکتری مهندسی عمران، کارشناس حفاظت و بهره برداری، شرکت آب منطقه ای گلستان، گرگان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :